[发明专利]一种高炉料线提取方法

权利要求书

1.一种高炉料线提取方法，其特征在于，包括：

采集高炉现场雷达回波信号，其中，雷达系统发出的雷达波能覆盖高炉径向料面各个区域；

生成所述雷达回波信号的信号时序频谱图；

对所述信号时序频谱图进行数据增强并获取料线标注结果，根据数据增强后的信号时序频谱图和料线标注结果，建立料线分割数据库；

构建模块化全卷积网络模型，根据建立的料线分割数据库训练所述模块化全卷积网络模型；

实时采集待检测的高炉雷达回波信号并生成信号时序频谱图，根据训练好的模块化全卷积网络模型，对所述信号时序频谱图进行料线分割提取。

2.根据权利要求1所述的高炉料线提取方法，其特征在于，所述采集高炉现场雷达回波信号包括：

根据高炉采用的无钟式溜槽旋转布料方式及雷达系统的安装原则，在高炉炉顶布设相应雷达系统，满足高炉径向料面全覆盖；

在高炉生产过程中连续实时采集雷达回波信号。

3.根据权利要求1所述的高炉料线提取方法，其特征在于，所述生成所述雷达回波信号的信号时序频谱图包括：

对采集到的雷达回波信号进行时频转变、归一化、时序展开及灰度映射，生成所述雷达回波信号的信号时序频谱图。

4.根据权利要求3所述的高炉料线提取方法，其特征在于，所述对采集到的雷达回波信号进行时频转变、归一化、时序展开及灰度映射，生成所述雷达回波信号的信号时序频谱图包括：

通过快速傅里叶变换对雷达回波信号进行时频转换，获取雷达回波信号的幅值频谱；

根据炉顶雷达与料面之间的距离，对各组雷达回波信号的幅值频谱进行区间截取，并对幅值进行归一化处理；

根据雷达回波信号在时间序列上的连续性，以连续M组所述归一化处理后的信号频谱数据为单位，时序排列构成二维矩阵；

对所述二维矩阵进行灰度映射，生成信号时序频谱灰度图。

5.根据权利要求4所述的高炉料线提取方法，其特征在于，在所述生成信号时序频谱灰度图之后，所述方法还包括：

采用立方插值拉伸信号时序频谱灰度图的高度。

6.根据权利要求1所述的高炉料线提取方法，其特征在于，所述对所述信号时序频谱图进行数据增强包括：

通过水平翻转对生成的所述信号时序频谱图进行数据增强。

7.根据权利要求1所述的高炉料线提取方法，其特征在于，所述获取料线标注结果包括：

获取数据增强后的信号时序频谱图中料线的逐像素标注结果，其中，标注内容包括：料线的变化趋势及料线上的浮动、双层料线、连续断层；

通过预设的像素阈值，将将标注图片中大于等于预设的像素阈值的像素值转换成第一标识，小于预设的像素阈值的像素值转换成第二标识，生成与信号时序频谱图一一对应的第一标识-第二标识标签图片。

8.根据权利要求7所述的高炉料线提取方法，其特征在于，所述构建模块化全卷积网络模型包括：

构建包含特征提取模块、特征融合模块及特征解码模块的模块化全卷积网络模型；其中，

所述特征提取模块，由若干个卷积单元与池化层交叉构成，用于通过不同层次的卷积单元对输入信号时序频谱图中的料线特征进行学习，得到不同层次、不同尺寸的特征图；

所述特征融合模块，用于对特征提取模块提取到的不同层次、不同尺寸的特征图进行融合；

所述特征解码模块，用于对特征图进行上采样操作获取与标签图片相同尺寸的网络输出，并改变输出通道数使其与像数类别数保持一致，获取料线分割结果。

9.根据权利要求1所述的高炉料线提取方法，其特征在于，所述料线分割数据库包括：训练集、验证集和测试集；

所述根据建立的料线分割数据库训练所述模块化全卷积网络模型包括：

利用所述训练集训练所述模块化全卷积网络模型；

利用所述验证集优化、调整所述模块化全卷积网络模型的超参数；

利用所述测试集测试、评价所述模块化全卷积网络模型的性能。

10.根据权利要求1所述的高炉料线提取方法，其特征在于，所述雷达系统包括：分布式阵列雷达、扫描雷达和/或相控阵雷达。